Video Experimental Relacionado
Updated: Sep 9, 2025

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
Un modelo de predicción de la supervivencia para el cáncer de las vías biliares basado en el menor encogimiento
Shanshan Fan1, Kexin Zhao2, Ziwei Liang1
1Department of Oncology, Beijing Chao-Yang Hospital, Capital Medical University, Beijing, China.
Este estudio desarrolló un modelo de predicción de la supervivencia para pacientes con cáncer de las vías biliares (BTC) utilizando indicadores de lípidos y datos clínicos. El modelo identifica efectivamente a los individuos de alto riesgo, ayudando a la gestión clínica y las decisiones de tratamiento.
Área de la Ciencia:
- En el campo de la oncología
- Medicina metabólica
- Estadísticas biológicas
Sus antecedentes:
- El cáncer de las vías biliares (BTC) es agresivo con un mal pronóstico.
- El metabolismo lipídico anormal está implicado en el desarrollo de tumores.
- Se necesitan nuevos biomarcadores para la estratificación del riesgo de BTC.
Objetivo del estudio:
- Construir y validar un modelo de predicción de la supervivencia para los pacientes con BTC.
- Incorporar los indicadores de lípidos en la evaluación del pronóstico de la TB.
- Identificar los predictores clave para los resultados de los pacientes con BTC.
Principales métodos:
- Análisis retrospectivo de 124 pacientes con BTC.
- Desarrollo de un nomograma utilizando el encogimiento mínimo absoluto y la regresión del operador de selección Cox.
- Validación del modelo mediante análisis de discriminación y calibración.
- Estratificación del riesgo en grupos de alto y bajo riesgo.
Principales resultados:
- Se identificaron los principales factores predictivos: ubicación del tumor, lipoproteína (a), CEA, CA19-9, y tipo de tratamiento.
- El nomograma demostró una discriminación moderada (índices C 0,677/0,655) y un buen ajuste al modelo (p=0,188).
- El análisis de Kaplan-Meier mostró diferencias significativas en la supervivencia entre los grupos de riesgo tanto en las cohortes de entrenamiento como en las de validación.
Conclusiones:
- El nomograma desarrollado es una herramienta potencial para identificar a los pacientes de alto riesgo de BTC.
- El modelo puede orientar las decisiones clínicas con respecto a la intensidad del tratamiento y el seguimiento.
- La incorporación de perfiles de lípidos puede mejorar la precisión del pronóstico de BTC.
Más Videos Relacionados
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Videos de Conceptos Relacionados
Cancer Survival Analysis
Survival Tree
Building a Survival Tree
Constructing a...
Truncation in Survival Analysis
Left truncation occurs when individuals who experienced the event of interest before a certain time are not included in the study. This is often due to a "delayed entry" into the study where only those who survive until a certain entry point are...
Comparing the Survival Analysis of Two or More Groups
Assumptions of Survival Analysis